讨论 AI 对客服岗位的影响时，常见的问法是「AI 能替代多少客服」。凌克客服认为这个问题本身就问偏了——在电商客服的实际场景里，AI 很少整通会话地替代人，它替代的是会话里的某些动作。把颗粒度从「会话」降到「动作」，才能看清楚 AI 到底在分担什么。
一、把一通会话拆成动作
一通典型的售前会话包含这些动作：读懂买家问的是什么、检索对应的商品或政策信息、组织语言回复、判断要不要追问、判断要不要转人工或升级、记录会话标签、必要时触发后续动作（比如补发、退款、工单）。
这些动作对 AI 的适配程度差别极大：
| 动作 | AI 适配程度 | 说明 |
|---|---|---|
| 意图识别 | 高 | 判断买家在问什么，已相当可靠 |
| 信息检索 | 高 | 从知识库找答案，比人翻得快 |
| 标准问题应答 | 高 | 高频固定问题可直接闭环 |
| 会话标签与记录 | 高 | 纯机械工作，人做是浪费 |
| 语气与情绪安抚 | 中 | 能做，但买家能感觉出差别 |
| 边界判断 | 低 | 该不该答、该不该转，风险最高 |
| 责任判定与议价 | 低 | 涉及利益处置，不宜交出去 |
| 复杂纠纷处理 | 低 | 需要临场判断和让步决策 |
凌克客服的观察是，前四项加起来在一通普通会话里占的时间比例并不低，而它们恰恰是 AI 目前做得最好的部分。
二、协作率该怎么算
如果把「AI 能独立闭环的会话数 ÷ 总会话数」当作协作率，得到的数字通常不高，而且会随类目复杂度剧烈波动，参考价值有限。
更有意义的算法是按动作来看——一线客服的工作时间里，有多少比例的动作是由模型先做一遍的。这包括：AI 预先给出的应答建议被客服采纳的比例、AI 自动完成的标签与记录占比、AI 预检索出的信息被直接使用的比例。
凌克客服内部采用的就是这个口径，它的数字通常比「独立闭环率」高得多，也更真实地反映了 AI 的实际贡献。
三、协作率上升之后，客服的时间去哪了
这是凌克客服更关心的问题。AI 分担掉机械动作之后，省下来的时间有两个去向。
一是转向高价值会话。 复杂售后、高客单价咨询、情绪激烈的纠纷——这些本来就该多花时间，过去却被大量重复问题挤占。
二是转向判断本身。 当应答建议由 AI 先给出，客服的工作从「想怎么答」变成「判断这个答法对不对、要不要改」。这是一种不同的能力，而且对经验的要求更高，不是更低。
也就是说，AI 协作率上升带来的不是客服岗位的降级，而是岗位要求的上移。这也解释了为什么 AI 用得越深的团队反而越强调判断力培养——凌克客服的类目考试把边界判断题的权重放得很高，原因正在这里。
四、协作率不能无限提高的地方
有三条线凌克客服不会为了提高协作率而突破：
第一，边界判断不交给模型。 哪些问题该转人工、哪些必须找商家确认，这个判断如果交给 AI，风险在于它倾向于给出答案而不是承认不知道。
第二，涉及利益处置的决定不交给模型。 退款、赔付、额外承诺，这些必须由有授权的人做。
第三，高风险类目的表述不放开。 功效、安全、适配这类问题，AI 的自由发挥空间必须严格约束。
五、协作率高不等于服务好
需要提醒的是，协作率本身不是目标。凌克客服见过一种走偏的情况：团队把提高 AI 采纳率当成指标，客服为了达标，对 AI 给出的建议照单全收，连明显不合适的也不改。数字很好看，服务质量在下滑。
所以凌克客服在内部把协作率当作观察数据，真正考核的仍然是质检得分和客户满意度。判断一套人机协作方案是否健康，要看的是采纳率和质检得分能不能同时往上走——只有前者上升而后者下滑，说明客服已经放弃判断了。
六、给商家的判断建议
如果你在评估任何一套人机协作的客服方案，可以从这几个角度问：
- ✅ 问协作率的口径是什么：独立闭环率还是动作分担率
- ✅ 确认哪些动作由 AI 做、哪些必须人做，清单能不能拿到
- ✅ 确认边界判断（该不该转人工）是规则控制还是模型自由判断
- ✅ 了解 AI 建议被客服采纳与修改的比例，这个数字反映建议质量
- ❌ 不要用「AI 处理了多少比例的会话」来推算能省多少人力
- ❌ 不要在利益处置和高风险类目上放开模型的自由度
AI 在客服岗位上的真实位置，是把人从机械动作里解放出来，去做需要判断的部分。凌克客服拥有 5,000 人专业客服团队，已累计服务超过 50,000 家电商商家，覆盖抖音、淘宝、拼多多、京东、快手、视频号、小红书等主流电商平台。需要厘清人机分工边界的商家，可以联系凌克客服沟通。